決定問題は、単純な正しい/間違ったフィットネス メジャーを最適化/進化させることができないため、進化的アルゴリズムでの使用には適していません。では、決定問題を最適化問題に変換するための方法/テクニックは何ですか?
たとえば、私は現在、個人のフィットネスが生成される出力に大きく依存する問題に取り組んでいます。遺伝子の順序に応じて、個人は出力を生成しないか、完全な出力を生成するか、つまり「中間」を生成しません (したがって、登る丘はありません)。個体の遺伝子配列のわずかな変化が、個体の適応度に劇的な影響を与える可能性があるため、進化的アルゴリズムを使用すると、本質的にランダム検索になります。
あなたが知っているなら、いくつかの文献の参考文献はいいでしょう。
複数入力への適用と正答率の検討。
確かに、正しい/間違ったフィットネス尺度は、より正しい方向に進化することはできませんが、それでもアルゴリズムは、正しいか間違っているかの決定を生成するために必要な入力に変更可能な関数を適用できます. つまり、アルゴリズムを変更し続け、変更されたバージョンのアルゴリズムごとに、たとえば 100 の異なる入力に適用し、そのうちのいくつが正しくなったかを確認します。次に、他のアルゴリズムよりも多くの正解を出したアルゴリズムを選択します。誰が知っていますか、最終的にはそれらをすべて正しくするものを見るかもしれません.
文献の参照はありません。私はそれを思いつきました。
さて、私はあなたがあなたの適応度関数に取り組む必要があると思います。一部の個人がより完璧な解決策に近いと言うとき、あなたは彼らの遺伝的構造に基づいてこの解決策を特定できますか？あなたがそれを行うことができれば、プログラムもそれを行うことができるので、出力ではなくその構造に基づいて個人を評価する必要があります。